一种基于x线片的椎体压缩性骨折识别方法技术

针对临床医生劳动强度大，骨科医生工作效率低等问题，运用深度学习的方法在医学影像分析中的应用日趋广泛。本发明专利技术提出了一种基于x线片的椎体压缩性骨折识别方法，通过改进YOLOv8模型结构，引入C2f‑DAttention模块、LSKA模块和动态检测头，旨在提高模型的识别精度和效率，并降低计算复杂度和内存占用，从而提供一种快速、准确、低成本的椎体压缩性骨折自动化检测方法，助力临床医生提高诊断效率和准确性。改进后的实验模型在数据集上，与原模型yolov8m相比mAP50提升了9.1%，mAP50‑95提升了16.6%,分别为89.6%和71%。因此，所提出方法在不增加模型计算复杂度的同时，提升了压缩性骨折的算法精度，为实现准确的椎体压缩性骨折诊断提供了有效手段。

【技术实现步骤摘要】

本专利技术涉及医学影像分析，尤其是一种基于x线片的椎体压缩性骨折识别方法。

技术介绍

1、临床医生在识别压缩性骨折时，通常通过体格检查以及观察患者的姿势、步态和局部压痛情况，进行初步评估并确定骨折的位置及程度。影像学评估方法是确定压缩性骨折位置的精密方法，使用x线片、ct扫描和mri等影像学检查，准确显示骨折部位的压缩和变形情况，有助于确诊及评估骨折的严重程度。目前，对于椎体压缩性骨折的诊断一般采用x线片，它的检测成本显著低于mri和ct，检测速度也更快，对人体的辐射量也最小，且设备在医疗机构的普及率也很高，因此我们一系列研究也基于x线片。

2、随着深度学习在医学影像中的应用，探索深度学习方法以解决骨折诊断任务的研究热潮也逐渐兴起。从计算机辅助检测与诊断方法发展到如今各种深度学习网络应用到压缩性骨折识别中来，识别效果也越来越好。但是其精度还有一定的提升空间。如果想要真正将这些模型运用到临床诊断上，这样的精度显然是不够的。

3、在传统诊断流程中，医生需要从大量的x线片中找出肺部结节或炎症等异常病变，这往往依赖于医生的经验和肉眼观察，不本文档来自技高网...

【技术保护点】

1.一种基于x线片的椎体压缩性骨折识别方法，其特征在于，包括：

【技术特征摘要】

1.一种基于x线片的椎体压缩性骨...

【专利技术属性】
技术研发人员：施柳，陈文卓，刘且根，张明辉，张宁，彭新级，胡祺石，黄祺，
申请(专利权)人：南昌大学，
类型：发明
国别省市：